ИИ в коде: опыт внедрения кодинг-ассистентов в ВТБ и Т-Банке

На конференции Conversations разработчики из ВТБ, Т-Банка, Dodo Engineering и S7 TechLab рассказали о своём опыте внедрения ИИ в разработку через кодинг-ассистентов и том, как за год применения изменились роли в командах.

Что изменилось за год применения AI в коде?

Крупные российские IT-команды примерно год назад начали массово внедрять AI-ассистентов для написания кода. Отношение разработчиков прошло узнаваемые стадии: энтузиазм на старте, разочарование при столкновении с галлюцинациями и некачественным кодом — и в итоге спокойное включение инструмента в ежедневную рутину.

Главный вопрос сегодня звучит не «работает ли ИИ вообще», а «изменил ли он что-то измеримое в метриках команды». По опыту участников дискуссии, реальный прирост эффективности есть, но сосредоточен не там, где ожидали: не в скорости написания нового функционала, а в снижении трудозатрат на рутину — тесты, документацию, рефакторинг шаблонного кода.

• Компании-участники: ВТБ, Т-Банк, Dodo Engineering, S7 TechLab
• Организатор дискуссии Conversations: Just AI
• Ключевой эффект AI: экономия на рутинных задачах, а не ускорение разработки нового функционала
• Инструменты закрепились в ежедневном рабочем процессе большинства команд

Нужно ли заставлять разработчиков пользоваться AI?

Один из самых острых вопросов дискуссии: стоит ли обязывать разработчиков использовать AI-ассистентов? Опыт участников показал — директивный подход работает хуже органического. ВТБ и Т-Банк делали ставку на внутренних адвокатов: разработчиков, которые сами демонстрировали коллегам кейсы реальной экономии времени. Когда AI «прописывается» через личный пример, сопротивление заметно снижается.

S7 TechLab и Dodo Engineering отметили, что негатив чаще всего возникает там, где ассистент генерирует код, требующий долгого ревью. Если соотношение «написанное AI / принятое без существенных правок» слишком низкое, доверие к инструменту падает — и разработчики возвращаются к старым методам.

«AI не ускоряет разработку автоматически — он перераспределяет, куда

уходит время».

Кто теперь пишет код, а кто его только ревьюит?

Здесь обозначился неожиданный сдвиг ролей. В командах, где AI-ассистент активно используется, задача разработчика смещается от написания кода к его ревью и валидации. Это меняет требования к джунам и мидлам: умение быстро прочитать, понять и оценить чужой — в том числе сгенерированный — код становится важнее, чем умение быстро написать его с нуля.

Участники зафиксировали два реальных риска. Первый: разработчик принимает код «вслепую» и накапливает технический долг. Второй: тратит на понимание сгенерированного столько времени, что весь выигрыш от AI исчезает. Оба сценария уже встречались в production-командах.

Что это значит

AI-кодинг-ассистенты закрепились в производственном цикле крупных российских IT-команд — но вместе с эффективностью принесли новые вопросы о структуре ролей, качестве проверки кода и управлении техдолгом. Главный вывод дискуссии: ИИ меняет процессы, а не просто ускоряет их.

Частые вопросы

Какие компании участвовали в дискуссии?

В технической дискуссии Conversations, организованной Just AI, приняли участие представители ВТБ, Т-Банка, Dodo Engineering и S7 TechLab — все четыре компании делились опытом внедрения AI-ассистентов в production-разработку.

Где реально растёт эффективность от AI-ассистентов?

По опыту участников, прирост заметен прежде всего на рутинных задачах: написании тестов, документации и рефакторинге шаблонного кода — а не в скорости разработки нового функционала.

Какие стадии прошло внедрение ИИ-ассистентов в российских компаниях?

По опыту ВТБ, Т-Банка и других крупных компаний, внедрение кодинг-ассистентов прошло через три стадии: энтузиазм на старте, разочарование при столкновении с галлюцинациями и некачественным кодом, и затем спокойное включение инструмента в рабочий процесс.